Fugu-MT 論文翻訳(概要): Bohr sets generated by polynomials and Coppersmith's method in many variables

論文の概要: Bohr sets generated by polynomials and Coppersmith's method in many variables

arxiv url: http://arxiv.org/abs/2310.20342v1
Date: Tue, 31 Oct 2023 10:33:05 GMT
ステータス: 処理完了
システム内更新日: 2024-03-18 23:41:48.613646
Title: Bohr sets generated by polynomials and Coppersmith's method in many variables
Title（参考訳）: 多項式によって生成されるボーア集合と多くの変数における銅細工法
Authors: Riley Baird, Bryce Kerr, Igor Shparlinski,
Abstract要約: 有限体上の係数でパラメトリされたボーア集合の平均サイズ上の境界を得る。多数の可変バージョンの銅細工法で用いられる仮定は高い確率で成り立つことを示す。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We obtain bounds on the average size of Bohr sets with coefficients parametrised by polynomials over finite fields and obtain a series of general results and also some sharper results for specific sets which are important for applications to computer science. In particular, we use our estimates to show that a heuristic assumption used in the many variable version of Coppersmith's method holds with high probability. We demonstrate the use of our results on the approximate greatest common divisor problem and obtain a fully rigorous version of the heuristic algorithm of H. Cohn and N. Heninger (2013).
Abstract（参考訳）: 有限体上の多項式によってパラメトリされた係数を持つボーア集合の平均サイズ上の境界を求め、一連の一般結果を得るとともに、コンピュータ科学への応用にとって重要な特定の集合に対するよりシャープな結果を得る。特に,多くの可変バージョンで用いられるヒューリスティックな仮定が高い確率で成り立つことを示すために,推定値を用いる。 H. Cohn と N. Heninger (2013) のヒューリスティックアルゴリズムの厳密なバージョンを得る。

関連論文リスト

Gaussian Processes Sampling with Sparse Grids under Additive Schwarz Preconditioner [6.408773096179187]
本稿では,GPモデルの前と後をランダムに実現するためのスケーラブルなアルゴリズムを提案する。提案アルゴリズムはスパースグリッドを用いた点近似と加法的シュワルツプレコンディショナーを利用する。
論文参考訳（メタデータ） (2024-08-01T00:19:36Z)
Covering Number of Real Algebraic Varieties and Beyond: Improved Bounds and Applications [8.438718130535296]
ユークリッド空間における集合の被覆数について上限を証明する。ここでは、イムディン・コントによる最もよく知られた一般境界が改善されることが示される。本稿では,3つの計算応用における結果のパワーについて説明する。
論文参考訳（メタデータ） (2023-11-09T03:06:59Z)
Posterior Contraction Rates for Mat\'ern Gaussian Processes on Riemannian Manifolds [51.68005047958965]
我々は,本質的なガウス過程が実際により優れた性能を発揮することを示す。我々の研究は、データ効率の異なるレベルを区別するために、よりきめ細かい分析が必要であることを示している。
論文参考訳（メタデータ） (2023-09-19T20:30:58Z)
An Optimal Algorithm for the Real-Valued Combinatorial Pure Exploration of Multi-Armed Bandit [65.268245109828]
多武装バンディット(R-CPE-MAB)の真価純探査問題について検討する。既存のR-CPE-MABの手法は、いわゆるトランスダクティブ線形帯域の特殊な場合と見なすことができる。本稿では,差分探索アルゴリズム (CombGapE) を提案する。
論文参考訳（メタデータ） (2023-06-15T15:37:31Z)
Approximating a RUM from Distributions on k-Slates [88.32814292632675]
与えられた分布を平均で最もよく近似するRUMを求める一般化時間アルゴリズムを求める。我々の理論的結果は、実世界のデータセットに効果的でスケール可能なものを得るという、実践的な結果も得られます。
論文参考訳（メタデータ） (2023-05-22T17:43:34Z)
Quantum Goemans-Williamson Algorithm with the Hadamard Test and Approximate Amplitude Constraints [62.72309460291971]
本稿では,n+1$ qubitsしか使用しないGoemans-Williamsonアルゴリズムの変分量子アルゴリズムを提案する。補助量子ビット上で適切にパラメータ化されたユニタリ条件として目的行列を符号化することにより、効率的な最適化を実現する。各種NPハード問題に対して,Goemans-Williamsonアルゴリズムの量子的効率的な実装を考案し,提案プロトコルの有効性を実証する。
論文参考訳（メタデータ） (2022-06-30T03:15:23Z)
Training variational quantum circuits with CoVaR: covariance root finding with classical shadows [0.0]
変動回路のパワーを利用する代替手段として,我々はCoVaRと呼ぶ手法を提案する。 CoVaRは、古典的な機械学習において最重要となる勾配に基づく最適化と直接的に類似している。数値シミュレーションは, 収束速度において, 桁違いに大きく改善された。
論文参考訳（メタデータ） (2022-04-18T18:01:58Z)
Scalable Variational Gaussian Processes via Harmonic Kernel Decomposition [54.07797071198249]
汎用性を維持しつつ高い忠実度近似を提供する,スケーラブルな変分ガウス過程近似を導入する。様々な回帰問題や分類問題において,本手法は変換やリフレクションなどの入力空間対称性を活用できることを実証する。提案手法は, 純粋なGPモデルのうち, CIFAR-10 の最先端化を実現する。
論文参考訳（メタデータ） (2021-06-10T18:17:57Z)
A block-sparse Tensor Train Format for sample-efficient high-dimensional Polynomial Regression [0.0]
低ランクテンソルは高次元問題の確立された枠組みである。ブロックスパーシティの概念を含めることで、このフレームワークを拡張することを提案する。これにより、既知のサンプル結果に合致するようにアンサッツ空間を適応させることができる。
論文参考訳（メタデータ） (2021-04-29T10:57:53Z)
Quantum-accelerated multilevel Monte Carlo methods for stochastic differential equations in mathematical finance [1.128265591164748]
我々は微分方程式(SDE)の量子アルゴリズムを研究する。我々は,モンテカルロ法を一般設定で2次高速化する量子アルゴリズムを提案する。我々は,このアルゴリズムを,数学的なファイナンスに起因した様々な応用で実演する。
論文参考訳（メタデータ） (2020-12-11T12:34:55Z)
Optimal Randomized First-Order Methods for Least-Squares Problems [56.05635751529922]
このアルゴリズムのクラスは、最小二乗問題に対する最も高速な解法のうち、いくつかのランダム化手法を含んでいる。我々は2つの古典的埋め込み、すなわちガウス射影とアダマール変換のサブサンプリングに焦点を当てる。得られたアルゴリズムは条件数に依存しない最小二乗問題の解法として最も複雑である。
論文参考訳（メタデータ） (2020-02-21T17:45:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。